baselabs 质疑 OPSD 后训练路线：提示教师注入的偏差不利长程持续学习
JoshPurtell · x · 2026-11-07
baselabs 发布本周研究 unpack：OPSD 及其变体是 2026 年热门的后训练研究方向。他们肯定原论文在 on-policy 学习与密集反馈上的贡献，但认为被提示（hinted）教师注入的偏差与长程持续学习（long-horizon continual learning）目标相冲突，并分享了自己的修复尝试与观察，解读相关文献以解释原因。
「研究」频道最新
- 作者求助:ICLR 立场论文被审稿人批「缺实验」该如何 rebuttal — Entity303BR · 2026-11-07
- 清华 Coca-Cola 压缩 Agent 工具输出,token 省 89% 性能反升 — Tsinghua · 2026-11-07
- 多智能体 RL 后训练新论文:群体协作胜过 best-of-N,效率最高提升 166% — StellaLisy · 2026-11-07
- 新论文:RISVIX 模型提升 VIX 期权定价,MSE 降 13% — chaumian · 2026-11-07
- 斯坦福 EduNLP 实验室招应用研究负责人，聚焦 AI 教学工具落地 — sebgehr · 2026-11-07
- NeurIPS Quest：像素风地图帮你逛 672 张海报的会议 — shangbinfeng · 2026-11-07